Python Pandas Dataframe 的基本操作

http://www.reibang.com/p/334bb48f6e43

--數(shù)據(jù)洞察

df.shape? #查看數(shù)據(jù)維度

df.info()? #查看數(shù)據(jù)信息

df.dtypes? df['B'].dtype? df.B.dtype? #查看列的數(shù)據(jù)類型

df.isnull()? ? df['B'].isnull()? df.B.isnull()? #空值檢查

df['B'].unique()? #查看列中的唯一值

df.values? #查看數(shù)據(jù)值

df.columns? #查看各列的名稱

df.head()? ? df.head(10)? #查看前N行數(shù)據(jù)

df.tail()? df.tail(10)? #查看后N行數(shù)據(jù)

--數(shù)據(jù)清洗

df.dropna(how = 'any')? #刪除含有空值的行

df.fillna(value = 0)? #用0來填充空值

df['B'].fillna(df['B'].mean())? #使用列均值來填充

df['B']=df['B'].map(str.strip)? #刪除前后空格

df['B']=df['B'].str.lower()? df['B']=df['B'].str.upper()? #大小寫轉(zhuǎn)化

df['B'].astype('int')? #數(shù)據(jù)類型轉(zhuǎn)換

df.rename(columns={'B': 'B1'})? #列的重命名

df['B'].drop_duplicates()? df['B'].drop_duplicates(keep='last')? #去除重復(fù)項(xiàng)

df['B'].replace('value1', 'value2')? #數(shù)據(jù)值的替換

--數(shù)據(jù)預(yù)處理

df = pd.merge(df1,df2,how='inner')? #類似excel中的vlookup,SQL中的join how(inner,left,right,outer)

df.set_index('id')? #設(shè)置索引列

df.sort_index()? #按索引列排序

df.sort_values(by=['B'])? #按特定的列的值排序

df['G'] = np.where(df['B'] > 10,'type_a','type_b')? #計(jì)算列与柑,如果B列的值>10圾旨,G列顯示type_a对省,否則顯示type_b

df.loc[(df['B'] == 'xxx') & (df['C'] >= 10), 'flag']='tag'? #計(jì)算列绊谭,多條件判斷派生新列

df1=pd.DataFrame((x.split('-') for x in df['B']),index=df.index,columns=['B1','B2'])

df=pd.merge(df,df1,right_index=True, left_index=True)? #按特定字符對(duì)列數(shù)據(jù)進(jìn)行分割丹泉,分割后與原數(shù)據(jù)合并

--數(shù)據(jù)獲取

#loc 按標(biāo)簽值獲取

#iloc 按位置獲取

#ix 可同時(shí)按標(biāo)簽值和位置進(jìn)行獲取

df.loc[2]? df.loc[0:5]

df.iloc[1:2,3:4]? df.iloc[:3,:2]

df.iloc[[1,3,5],[2,4,6]]

df.loc[df['B'].isin(['x','xx'])]? #按條件獲取數(shù)據(jù)

--數(shù)據(jù)篩選

df.loc[(df['B'] > 10) & (df['C'] == 'xx'), ['A','B','C','D','E']]

df.loc[(df['B'] > 10) | (df['C'] == 'xx'), ['A','B','C','D','E']]

df.loc[(df['B'] > 10) & (df['C'] == 'xx'), ['A','B','C','D','E']].sort(['A','E'])

df.loc[(df['B'] > 10) & (df['C'] == 'xx'), ['A','B','C','D','E']].D.sum()

df.query('B== ["xx", "xxx"]')

df.query('B== ["xx", "xxx"]').D.sum()

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末淹禾,一起剝皮案震驚了整個(gè)濱河市畔乙,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌忙厌,老刑警劉巖凫岖,帶你破解...
    沈念sama閱讀 222,627評(píng)論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異慰毅,居然都是意外死亡隘截,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,180評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門汹胃,熙熙樓的掌柜王于貴愁眉苦臉地迎上來婶芭,“玉大人,你說我怎么就攤上這事着饥∠” “怎么了?”我有些...
    開封第一講書人閱讀 169,346評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵宰掉,是天一觀的道長呵哨。 經(jīng)常有香客問我,道長轨奄,這世上最難降的妖魔是什么孟害? 我笑而不...
    開封第一講書人閱讀 60,097評(píng)論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮挪拟,結(jié)果婚禮上挨务,老公的妹妹穿的比我還像新娘。我一直安慰自己玉组,他們只是感情好谎柄,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,100評(píng)論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著惯雳,像睡著了一般朝巫。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上石景,一...
    開封第一講書人閱讀 52,696評(píng)論 1 312
  • 那天劈猿,我揣著相機(jī)與錄音拙吉,去河邊找鬼。 笑死糙臼,一個(gè)胖子當(dāng)著我的面吹牛庐镐,可吹牛的內(nèi)容都是我干的恩商。 我是一名探鬼主播变逃,決...
    沈念sama閱讀 41,165評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼怠堪!你這毒婦竟也來了揽乱?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,108評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤粟矿,失蹤者是張志新(化名)和其女友劉穎凰棉,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體陌粹,經(jīng)...
    沈念sama閱讀 46,646評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡撒犀,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,709評(píng)論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了掏秩。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片或舞。...
    茶點(diǎn)故事閱讀 40,861評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖蒙幻,靈堂內(nèi)的尸體忽然破棺而出映凳,到底是詐尸還是另有隱情,我是刑警寧澤邮破,帶...
    沈念sama閱讀 36,527評(píng)論 5 351
  • 正文 年R本政府宣布诈豌,位于F島的核電站,受9級(jí)特大地震影響抒和,放射性物質(zhì)發(fā)生泄漏矫渔。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,196評(píng)論 3 336
  • 文/蒙蒙 一摧莽、第九天 我趴在偏房一處隱蔽的房頂上張望庙洼。 院中可真熱鬧,春花似錦范嘱、人聲如沸送膳。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,698評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽叠聋。三九已至,卻和暖如春受裹,著一層夾襖步出監(jiān)牢的瞬間碌补,已是汗流浹背虏束。 一陣腳步聲響...
    開封第一講書人閱讀 33,804評(píng)論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留厦章,地道東北人镇匀。 一個(gè)月前我還...
    沈念sama閱讀 49,287評(píng)論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像袜啃,于是被迫代替她去往敵國和親汗侵。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,860評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容

  • pandas官方文檔:http://pandas.pydata.org/pandas-docs/stable/ap...
    肖月_1d28閱讀 6,153評(píng)論 2 6
  • 一群发、生成數(shù)據(jù)表 1晰韵、首先導(dǎo)入pandas庫,一般都會(huì)用到numpy庫熟妓,所以我們先導(dǎo)入備用:import numpy...
    無劍_君閱讀 815評(píng)論 0 0
  • 數(shù)據(jù)洞察 數(shù)據(jù)清洗 數(shù)據(jù)預(yù)處理 數(shù)據(jù)獲取 數(shù)據(jù)篩選 6.數(shù)據(jù)匯總 數(shù)據(jù)輸出
    沐凡365閱讀 2,197評(píng)論 0 2
  • 我常常覺得自己沒有藝術(shù)創(chuàng)造的能力雪猪,因此也寫不出特別深刻、內(nèi)涵的東西起愈。 我的頭腦太理性了只恨。 寫課堂記錄就更是如此,寫...
    麗安閱讀 98評(píng)論 0 4
  • 在實(shí)力對(duì)等的合作中抬虽,彼此的關(guān)系好不好無所謂官觅。 由于對(duì)合作者實(shí)力的欽佩所引起的英雄相惜更值得贊美和傳頌。 水縈兒和妮...
    春耕部落閱讀 1,857評(píng)論 25 66